论文研究 arXiv cs.CV Mon, 14 Sep 2026 正文 thin 4 words

一种结合 3D 磁共振成像与临床数据的阿尔茨海默病诊断多模态可解释深度学习框架

英文标题:A Multimodal Explainable Deep Learning Framework for Alzheimer's Disease Diagnosis using 3D Magnetic Resonance Imaging and Clinical Data

该论文提出了一种面向阿尔茨海默病(AD)诊断的多模态、可解释深度学习框架,结合 3D 磁共振成像(MRI)与临床数据。论文指出,痴呆症已成为日益严重的全球健康负担,而阿尔茨海默病占据其中大多数病例。作者强调,及时且准确的诊断对于应对这一负担至关重要,并越来越依赖于临床信息与影像信息等互补数据的整合。该研究对医疗 AI 开发者的意义在于,为融合多源医疗数据并提升诊断模型可解释性提供了研究方向。
打开原文相关 2.4 · 机会 0
media2.1 KB media640 B media612 B media380 B media9.1 KB media32.7 KB media22.8 KB media24.2 KB media34.7 KB

中文

一种结合 3D 磁共振成像与临床数据的阿尔茨海默病诊断多模态可解释深度学习框架

arXiv:2609.12410v1
发布类型:new

摘要

痴呆症是一项重大且不断增长的全球健康负担,其中阿尔茨海默病(AD)占据大多数病例。及时、准确的诊断对于应对这一负担至关重要,并且越来越依赖于对互补临床数据和影像数据的整合。

原文摘要在此处截断。

BibTeX 格式引用

English / 原文

BibTeX formatted citation

×